한 지붕 두 가족 두산 vs LG 잠실 주말 3연전, 시리즈 결과는? — 3경기 승패로 보는 예측

잠실 3연전, '순위표'가 아니라 '최근 폼'이 맞았다 — 두산 2승 1무 위닝시리즈와 4팀 전원 적중

2026년 7월 31일부터 8월 2일까지 잠실구장에서 열린 두산 베어스와 LG 트윈스의 주말 3연전은 홈팀 두산의 2승 1무, 위닝 시리즈로 종료됐다. 1차전(7/31)에서 두산이 4-2로 이겼고, 2차전(8/1)은 연장 끝에 2-2 무승부, 3차전(8/2)은 두산이 8-3으로 크게 가져갔다. 채점 기준인 '3경기 중 두산 승수'는 KBO 공식 기록상 무승부를 승수에 산입하지 않으므로 정확히 2승 — 네 구간(0·1·2·3승) 가운데 ③ 위닝 구간이다. 이 결과가 흥미로운 이유는 사전 지형과 정반대였기 때문이다. 순위표에서는 3위 LG가 5위 두산 위에 있었고, 시즌 맞대결 상대전적도 두산이 2승 7패로 크게 열세였으며, 최근 5년간 잠실 라이벌전 우위도 LG 쪽이었다. 그 모든 누적 지표를 거스른 주말이었는데, AI 4팀은 봉인 시점에 이미 종합 41%로 '두산 2승(위닝)'을 최빈 구간으로 지목하고 있었다. 종합 예측은 적중했고, 안박사·오선생·구교수·엑스연구원 네 팀 모두 같은 구간을 1순위로 찍은 만장일치였다.

이 매치의 배경에는 KBO에서도 가장 특수한 대진 구조가 깔려 있다. 두산과 LG는 잠실구장을 함께 쓰는 '한 지붕 두 가족'으로, 홈/원정 구분이 구장 적응이라는 통상적 홈 이점을 상당 부분 무력화한다. 즉 일반적인 홈 어드밴티지 계수를 그대로 얹으면 과대추정 위험이 있는 대진이라는 뜻이다. 여기에 이번 시리즈는 '순위 vs 폼'의 역설이 극단적으로 벌어진 시점에 걸렸다. LG는 후반기 들어 7월 7연패를 포함해 팀 평균자책점 리그 최하위, 선발 퀄리티스타트 실종, 득점권 타율 최하위라는 총체적 난국에 빠져 있었고, 마무리 이탈까지 겹쳤다. 반면 두산은 5강 싸움에 사활을 걸며 반등 중이었으나 1선발이 이탈해 로테이션에 구멍이 있었다. 양쪽 모두 투수진이 온전치 않은 상태에서 3경기 선발 매치업이 시리즈를 결정짓는 구조였고, 그래서 예측 모델 입장에서는 '시즌 누적 전력'과 '직전 20~30경기 폼' 중 어디에 가중치를 실을 것인가가 사실상 유일하고도 결정적인 분기점이었다.

네 팀은 모두 '폼' 쪽에 무게를 실었지만, 확신의 크기는 달랐다. 가장 높은 확률을 부여한 쪽은 구교수(43%)였고 안박사(42%)가 근소하게 뒤따랐으며, 오선생(39%), 엑스연구원(36%) 순으로 확신도가 낮아졌다. 최종 CRPS는 안박사 0.1823, 구교수 0.1854, 오선생 0.2398, 엑스연구원 0.2469로 갈렸다. 여기서 주목할 점은 순위가 단순히 '2승 구간에 몇 %를 줬느냐'만으로 결정되지 않았다는 것이다. CRPS는 순서형 구간의 누적분포 거리를 재기 때문에, 정답 구간 확률이 비슷하더라도 나머지 확률을 어느 쪽 꼬리에 흘렸는지가 점수를 가른다. 구교수는 2승에 43%로 최고치를 줬지만 안박사에게 근소하게 뒤졌는데, 이는 안박사가 인접 구간(1승·3승) 배분을 더 대칭적이고 촘촘하게 설계해 누적분포의 계단이 정답 지점 주변에서 완만하게 정렬됐음을 시사한다. 반대로 엑스연구원은 2승 확률이 36%로 가장 낮았고 그만큼 잔여 확률이 양쪽 꼬리로 퍼져, 정답에서 먼 구간(0승 스윕패)의 잔여 질량이 페널티로 누적됐다.

방법론을 뜯어보면 이 미세한 차이의 출처가 보인다. 안박사는 계층 베이지안 부분 pooling에 시나리오 혼합을 얹고, 3경기 결과를 해석적 이항 컨볼루션으로 합성했다. 부분 pooling은 두산의 짧은 반등 표본과 LG의 짧은 붕괴 표본을 리그 평균 쪽으로 적당히 끌어당기되 완전히 지우지 않는 방식이라, '최근 폼은 진짜지만 그 크기는 표본이 말하는 것만큼 크지 않다'는 절제된 결론으로 수렴한다. 그 결과가 42%라는, 과하지도 소극적이지도 않은 위치다. 게다가 3경기를 해석적으로 컨볼루션하면 경기별 승률에서 구간 분포로 넘어갈 때 시뮬레이션 노이즈가 끼지 않아, 인접 구간 배분이 매끄럽게 나온다. CRPS처럼 분포 전체 모양을 채점하는 지표에서는 이 매끄러움이 그대로 점수로 환원된다.

구교수의 Bayesian Logistic MAP Regression과 몬테카를로 조합은 경기 단위 승률을 회귀식으로 직접 추정하는 접근이다. 최근 폼 지표(팀 평균자책점, 선발 QS율, 득점권 타율 같은 변수)가 회귀 계수에 즉각 반영되기 때문에 LG의 7월 붕괴가 강하게 잡혔고, 그래서 네 팀 중 가장 높은 43%가 나왔다. 다만 MAP 추정은 사후분포의 최빈점 하나를 취하는 방식이라 파라미터 불확실성 자체를 분포로 전파하지 않는다. 이번처럼 방향이 맞았을 때는 손해가 거의 없었고 실제로 안박사와의 격차는 0.003에 불과했지만, 구조적으로는 인접 구간의 두께가 계층 모형보다 얇아지기 쉽다. 오선생은 베이지안 축소 논리를 사용한 로테이션 시나리오 혼합 몬테카를로로, 3경기 각각의 선발 매치업 분기를 명시적으로 나눠 시뮬레이션했다. 이 접근은 이번 시리즈의 실제 전개를 사후적으로 보면 대단히 합리적이었다 — 두산 1선발 이탈, LG 외국인 선발 문제라는 변수가 실제로 승부를 갈랐기 때문이다. 다만 시나리오 가지를 많이 칠수록 확률이 분산되어 최빈 구간이 39%로 낮아졌고, 이 '겸손함'이 CRPS에서는 0.2398이라는 상대적 손실로 나타났다.

엑스연구원의 hierarchical BT(Bradley-Terry) + beta-binomial + 시나리오/선발 민감도 혼합은 네 팀 중 가장 보수적인 분포를 냈다. BT 모형은 본질적으로 팀 강도(strength) 파라미터를 상대전적 네트워크에서 추정하는 구조인데, 이번 케이스에서는 이것이 양날의 검이었다. 시즌 맞대결 2승 7패라는 두산의 열세와 최근 5년 잠실 라이벌전 LG 우위가 강도 파라미터에 눌러앉아, 최근 6주의 급격한 폼 반전을 온전히 반영하기 어려웠던 것이다. 여기에 beta-binomial의 과산포(overdispersion) 처리가 3경기라는 극히 짧은 시리즈의 불확실성을 넓게 잡으면서, 2승 구간은 36%로 낮아지고 LG 위닝(두산 1승) 시나리오와 두 스윕 시나리오로 질량이 흩어졌다. 결과적으로 방향은 맞혔으되 CRPS는 0.2469로 가장 뒤였다. 이 대비는 명확한 교훈을 준다 — 누적 상대전적을 강하게 신뢰하는 구조 모형은 '레짐이 바뀐 구간'에서 반응이 느리고, 반대로 계층 pooling이나 최근 폼 회귀는 그 전환을 더 빨리 흡수한다.

실제 경기 전개는 네 팀이 공통으로 상정했던 '선발이 시리즈를 가른다'는 프레임을 거의 그대로 따라갔지만, 그 안에 모형이 예측하기 어려운 장면이 하나 끼어 있었다. 1차전은 잭 로그가 시즌 5승을 챙기고 김대한이 시즌 1·2호 홈런을 연타석으로 터뜨린 데 이어 박준순의 5회 결승 2점 홈런, 마무리 이영하의 16세이브로 두산이 4-2 승리를 가져갔다 — 전형적인 '선발+불펜 완성' 시나리오다. 문제는 2차전이었다. LG의 새 외국인 카라스코가 MLB 통산 112승 베테랑답게 데뷔전에서 단 74구로 7이닝 퍼펙트를 던졌는데, 데뷔전 투구수 제한으로 강판된 직후 두산이 8회 김민석·김대한의 안타와 대타 박지훈의 2루타로 2점을 뽑아 균형을 맞췄고, 두산 곽빈도 6이닝 10탈삼진 2실점 QS로 버티며 연장 끝 2-2 무승부로 끝났다. 어떤 확률 모형도 '퍼펙트를 던지고 규정 때문에 내려간 뒤 불펜이 무너지는' 조건부 사건을 사전에 지목할 수는 없다. 다만 이 무승부가 채점상 두산 승수에 산입되지 않으면서, 역설적으로 실제 값은 '두산 3승'이 아닌 '2승'에 정확히 안착했고 네 팀 모두의 최빈 구간과 일치하게 됐다. 3차전은 벤자민이 6이닝 4안타 무사사구 8탈삼진 3실점 QS로 시즌 5승, 타선에서 멀티히트 5명이 터지며 8-3 완승 — 톱타자 김대한은 3경기 내내 시리즈의 중심에 있었다.

정리하면 이번 매치의 핵심 교훈은 두 층위다. 첫째, 방향 판단에서는 '누적 순위·통산 상대전적'보다 '최근 레짐'이 유효했다. LG의 7월 7연패, 리그 최하위 평균자책점, QS 실종, 득점권 타율 최하위라는 지표군은 단순 슬럼프가 아니라 투타 양면의 구조적 붕괴였고, 이를 강도 파라미터의 노이즈가 아닌 상태 변화로 읽은 모형들이 옳았다. 둘째, 같은 방향을 맞혀도 점수를 가르는 것은 확률 배분의 정교함이다. 안박사와 구교수가 상위권에 선 것은 2승 구간에 높은 확률을 준 동시에 잔여 확률을 인접 구간에 합리적으로 배치했기 때문이고, 오선생과 엑스연구원이 뒤진 것은 예측이 틀려서가 아니라 시나리오 분기와 과산포 처리로 분포가 넓어진 대가였다. 다만 이 '넓음'이 늘 손해인 것은 아니다 — 이번처럼 3경기짜리 초단기 표본에서는 언제든 카라스코의 74구 퍼펙트 같은 사건이 결과를 뒤집을 수 있었고, 그때는 보수적 분포가 손실을 줄였을 것이다. 표본이 짧을수록 '얼마나 확신할 것인가'는 방향 판단만큼이나 어려운 문제이며, 이번 시리즈는 계층 베이지안의 부분 pooling이 그 균형점을 찾는 데 상대적으로 유리했음을 보여준 사례로 남는다.